Sinimex présente un coach IA pour la vente B2B qui vérifie les arguments dans la documentation

Sinimex a présenté un prototype de coach IA pour la vente B2B. L'outil apprend aux commerciaux à mener une négociation, à traiter les objections et à ne pas surestimer les caractéristiques du produit. Le système est déjà en phase de test et gagne nettement en stabilité depuis un changement d'architecture. L'équipe estime que des entraînements réguliers feront progresser d'au moins 15% le nombre de demandes de propositions commerciales.

De l'échec au simulateur

L'idée part d'un problème classique de la vente B2B. Un nouveau commercial peut mener avec assurance la première partie d'un rendez-vous, puis perdre pied dès que le client pose des questions gênantes sur le produit, la documentation ou l'intérêt de migrer. Dans la vente grand public, ce genre d'erreur reste encore rattrapable. En B2B, chaque rendez-vous raté coûte un lead, du temps d'équipe et de l'argent. Pour les entreprises au cycle de vente long, ce type de raté est particulièrement douloureux et coûteux.

Sinimex a donc choisi de construire non pas un simple chatbot, mais un simulateur de négociation. L'outil doit accompagner le commercial sur tout le cycle de l'échange, des salutations jusqu'à la validation des prochaines étapes, opposer des objections réalistes et fournir un retour une fois la conversation terminée. L'entraînement repose sur deux grands types de données : des scénarios de rendez-vous avec leurs objectifs et les objections types, et la documentation produit au format PDF, pour que l'agent s'appuie sur des faits plutôt que sur des « impressions ».

Une architecture sous contrôle

L'équipe a testé trois approches. Elle a écarté l'architecture mono-agent à cause de la saturation du contexte : sur une longue conversation, le modèle perdait le fil et suivait moins bien les instructions. L'approche multi-agents classique n'a pas convenu non plus. Elle est flexible, mais trop proche d'une boîte noire : difficile de comprendre pourquoi un agent a passé la main à un autre et à quelle étape l'erreur est apparue. Le choix s'est finalement porté sur le sequential prompting : une chaîne d'étapes ciblées, avec une sortie JSON contrôlée et des prompts distincts pour chaque phase de la conversation.

• sélection du prompt selon la phase de l'échange
• génération de plusieurs variantes de réplique
• choix de la meilleure réponse par un agent dédié
• envoi de la réplique finale au commercial

La première version du système a malgré tout échoué : seuls 2 dialogues sur 8 ont été jugés réussis. L'équipe a alors ajouté un second agent, l'« éditeur », chargé de choisir la meilleure réponse parmi plusieurs générées. Ce pipeline en deux étapes a allégé le prompt principal et donné au modèle plus de variété sans perte de contrôle. À la deuxième itération, le résultat est monté à 7 dialogues réussis sur 8, avec des réponses plus naturelles. Ce fut le tournant du projet.

La chasse aux affabulations

Étape suivante : complexifier la simulation. Le simulateur propose désormais des niveaux de difficulté. En mode facile, le client virtuel se montre plus conciliant ; en mode intermédiaire, il exige des arguments ; en mode difficile, il passe au crible chaque affirmation du commercial. C'est à ce stade que l'équipe a intégré le RAG, pour permettre à l'agent de consulter la documentation et de repérer les promesses non étayées. Sans cela, le simulateur aurait soit cru n'importe quelle promesse du commercial, soit contesté sans s'appuyer sur des faits.

Le scénario se déroule ainsi : le commercial avance une affirmation sur le produit, le système isole l'argument précis, retrouve par recherche vectorielle le passage pertinent de la documentation, puis transmet l'affirmation et l'extrait au modèle pour verdict. Si le commercial affirme par exemple que la version cloud du produit supporte 500 utilisateurs simultanés alors que la documentation ne mentionne qu'un test avec deux, l'agent ne valide pas automatiquement et signale l'incohérence avec tact. Selon l'équipe, chaque prompt a été réécrit en moyenne une douzaine de fois pour obtenir ce comportement.

Ce que ça change

Le projet de Sinimex montre que les agents IA en entreprise glissent de plus en plus des « chatbots intelligents » vers des simulateurs métier à la logique vérifiable. Si ce format confirme les prévisions de hausse des propositions commerciales et de conversion en projets pilotes, l'IA pourra s'imposer dans la vente B2B comme un coach permanent, disponible à tout moment et appuyé sur la documentation plutôt que sur l'improvisation. Pour les équipes commerciales internes, il ne s'agit déjà plus d'expérimenter pour le principe, mais d'un outil potentiel pour déployer la formation à grande échelle.